Поле цифровой дидактики - Вклад [ru]

Участник:Самира Мохаммад

2026-04-14T06:48:53Z

Самира Мохаммад:

{{UserMGPU
|Description=5 курс
|Field_of_knowledge=Информатика, Робототехника, Искусственный интеллект, Большие данные, Статистика, Моделирование
|Website=https://github.com/ssmiraa16
|similar_concepts=Программирование, ИИ, Робототехника
|Environment=PyCharm, Python, Python IDLE, Visual Studio Code, C++, C, C (C (C (C#)), JavaScript, Google Colab, SQL, Kubernetes, Draw.io, CMD, API
|Position=Бакалавриат
|Profile=Информатика, Робототехника
|PedDirection=Да
|Working_On=Мировая сейсмическая активность за последние 30 дней
}}
[[Категория:ИНДОР-211]]
[[Категория:UserMGPU]]

Участник:Самира Мохаммад

2026-04-14T06:46:36Z

Самира Мохаммад:

{{UserMGPU
|Description=5 курс
|Field_of_knowledge=Информатика, Робототехника, Искусственный интеллект, Большие данные, Статистика, Моделирование
|Website=https://github.com/ssmiraa16
|similar_concepts=Программирование, ИИ, Робототехника
|Environment=PyCharm, Python, Python IDLE, Visual Studio Code, C++, C, C (C#), JavaScript, Google Colab, SQL, Kubernetes, Draw.io, CMD, API
|Position=Бакалавриат
|Profile=Информатика, Робототехника
|PedDirection=Да
|Working_On=Процесс отбора и появления новых пород, Обучение педагогов и учеников, Мировая сейсмическая активность за последние 30 дней
}}
[[Категория:ИНДОР-211]]
[[Категория:UserMGPU]]

Участник:Самира Мохаммад

2026-04-14T06:45:07Z

Самира Мохаммад:

{{UserMGPU
|Description=5 курс
|Field_of_knowledge=Информатика, Робототехника, Искусственный интеллект, Большие данные, Статистика, Моделирование
|Website=https://github.com/ssmiraa16
|similar_concepts=Программирование, ИИ, Робототехника
|Environment=PyCharm, Python, Python IDLE, Visual Studio Code, C++, C, C#, JavaScript, Google Colab, SQL, Kubernetes, Draw.io, CMD, API
|Position=Бакалавриат
|Profile=Информатика, Робототехника
|PedDirection=Да
|Working_On=Процесс отбора и появления новых пород, Обучение педагогов и учеников, Мировая сейсмическая активность за последние 30 дней
}}
[[Категория:ИНДОР-211]]
[[Категория:UserMGPU]]

Участник:Самира Мохаммад

2026-04-14T06:44:19Z

Самира Мохаммад:

{{UserMGPU
|Description=5 курс
|Field_of_knowledge=Информатика, Робототехника, Искусственный интеллект, Большие данные, Статистика, Моделирование
|Website=https://github.com/ssmiraa16
|similar_concepts=Программирование, ИИ, Робототехника
|Environment=PyCharm, Python, Python IDLE, Visual Studio Code, C++, C, C#, JavaScript, Google Colab, SQL, Kubernetes, Draw.io, CMD, API
|Position=Бакалавриат
|Profile=Информатика, Робототехника
|PedDirection=Да
|Working_On=Процесс отбора и появления новых пород, Обучение педагогов и учеников
|Working_On=Мировая сейсмическая активность за последние 30 дней
}}
[[Категория:ИНДОР-211]]
[[Категория:UserMGPU]]

Мировая сейсмическая активность за последние 30 дней

2026-04-13T22:00:58Z

Самира Мохаммад:

= Мониторинг мировой сейсмической активности =

== Метаинформация ==
* '''Автор:''' Студент(ки) группы ИНДОР-211 - [[User:PolezhaevaMA]] [[User:Самира Мохаммад]]
* '''Дата исследования:''' {{CURRENTDAY}} {{CURRENTMONTHNAME}} {{CURRENTYEAR}}
* '''Источник данных:''' USGS Earthquake Hazards Program
* '''Период анализа:''' последние 30 дней
* '''Порог магнитуды:''' M ≥ 4.5

== Цель исследования ==
Проанализировать глобальную сейсмическую активность за последние 30 дней для выявления закономерностей в изменении магнитуды, глубины и географического положения эпицентров землетрясений.

== Задачи проекта ==
# Собрать данные о землетрясениях магнитудой ≥ 4.5 через USGS API
# Обработать и структурировать данные с помощью библиотеки Pandas
# Построить три графика: динамика магнитуды, распределение глубин, широтное смещение эпицентров
# Рассчитать основные статистические показатели
# Интерпретировать полученные результаты

== Гипотеза исследования ==
За 30-дневный период наблюдается корреляция между магнитудой землетрясений и их глубиной: наиболее сильные события происходят в зонах субдукции на глубинах 70-300 км.

== Программный код ==

<syntaxhighlight lang="python">
import requests
import pandas as pd
import matplotlib.pyplot as plt
from datetime import datetime, timedelta
import json

# ==================================================
# НАСТРОЙКИ - ЗЕМЛЕТРЯСЕНИЯ (USGS)
# ==================================================
REGION_NAME = "Весь мир (M ≥ 4.5)"

# Даты: последние 30 дней
end_date = datetime.now().date()
start_date = end_date - timedelta(days=30)

# URL для USGS API
URL = (
f"https://earthquake.usgs.gov/fdsnws/event/1/query?"
f"format=geojson&"
f"starttime={start_date}&"
f"endtime={end_date}&"
f"minmagnitude=4.5&"
f"orderby=time"
)

print(f"Запрашиваем данные о землетрясениях за последние 30 дней...")
print(f"URL: {URL}")

try:
response = requests.get(URL, timeout=30)
print(f"Статус ответа: {response.status_code}")

if response.status_code == 200 and response.text.strip():
data = response.json()
print("✓ JSON успешно загружен")
else:
print("✗ Пустой ответ от сервера")
exit()

except requests.exceptions.RequestException as e:
print(f"Ошибка запроса: {e}")
exit()
except json.JSONDecodeError as e:
print(f"Ошибка парсинга JSON: {e}")
exit()

# Извлекаем данные
events = []
for feature in data.get('features', []):
props = feature['properties']
coords = feature['geometry']['coordinates']
events.append({
'Время': props['time'],
'Магнитуда': props['mag'],
'Место': props['place'],
'Широта, °': coords[1],
'Долгота, °': coords[0],
'Глубина, км': coords[2]
})

if not events:
print("Землетрясений за указанный период не найдено.")
exit()

# Создаём DataFrame
df = pd.DataFrame(events)
df['Время'] = pd.to_datetime(df['Время'], unit='ms')
df = df.sort_values('Время')

print(f"✓ Найдено {len(df)} землетрясений магнитудой ≥ 4.5")

# Сохраняем в CSV
df.to_csv('earthquake_data_30days.csv', index=False, encoding='utf-8')
print("Данные сохранены в 'earthquake_data_30days.csv'")

# ==================================================
# ВИЗУАЛИЗАЦИЯ (ТРИ ГРАФИКА)
# ==================================================
fig, axes = plt.subplots(3, 1, figsize=(14, 10), sharex=True)

# ГРАФИК 1: Магнитуда (как температура)
axes[0].plot(df['Время'], df['Магнитуда'], color='red', marker='o', linewidth=1, markersize=4)
axes[0].set_title(f'Магнитуда землетрясений за последние 30 дней (M ≥ 4.5)')
axes[0].set_ylabel('Магнитуда')
axes[0].axhline(y=6.0, color='orange', linestyle='--', alpha=0.7, label='Сильное (M≥6)')
axes[0].axhline(y=7.0, color='red', linestyle='--', alpha=0.7, label='Крупное (M≥7)')
axes[0].legend()
axes[0].grid(True)

# ГРАФИК 2: Глубина (как осадки)
colors = ['darkblue' if d < 70 else 'lightblue' for d in df['Глубина, км']]
axes[1].bar(df['Время'], df['Глубина, км'], color=colors, alpha=0.7, width=0.04)
axes[1].set_title('Глубина очага землетрясения')
axes[1].set_ylabel('Глубина, км')
axes[1].axhline(y=70, color='red', linestyle='--', alpha=0.5, label='Граница (70 км)')
axes[1].legend()
axes[1].grid(True)

# ГРАФИК 3: Широта эпицентра (как скорость ветра)
axes[2].plot(df['Время'], df['Широта, °'], color='green', marker='s', linewidth=1, markersize=4)
axes[2].set_title('Широта эпицентра (географическое смещение)')
axes[2].set_ylabel('Широта, °')
axes[2].set_xlabel('Дата и время')
axes[2].axhline(y=0, color='black', linestyle='--', alpha=0.5, label='Экватор')
axes[2].legend()
axes[2].grid(True)

plt.tight_layout()
plt.savefig('earthquake_3graphs_30days.png', dpi=150, bbox_inches='tight')
plt.show()

# ==================================================
# СТАТИСТИКА
# ==================================================
print("\n" + "="*50)
print("СТАТИСТИКА ЗЕМЛЕТРЯСЕНИЙ ЗА 30 ДНЕЙ")
print("="*50)
print(f"Всего событий: {len(df)}")
print(f"Самое сильное: M{df['Магнитуда'].max():.1f}")
print(f"Средняя магнитуда: {df['Магнитуда'].mean():.2f}")
print(f"Самое глубокое: {df['Глубина, км'].max():.0f} км")
print(f"Самое мелкое: {df['Глубина, км'].min():.0f} км")
print(f"Средняя глубина: {df['Глубина, км'].mean():.0f} км")
print(f"Период: с {start_date} по {end_date}")
</syntaxhighlight>

== Результаты визуализации ==

=== График 1. Динамика магнитуды ===
[[Файл:earthquake_3graphs_30days.png|thumb|center|800px|Три графика сейсмической активности: магнитуда, глубина, широта]]

'''Анализ графика магнитуды:'''
* Красная линия показывает изменение силы землетрясений во времени
* Оранжевая пунктирная линия — порог сильного землетрясения (M ≥ 6)
* Красная пунктирная линия — порог крупного землетрясения (M ≥ 7)
* Точки соответствуют отдельным сейсмическим событиям

=== График 2. Глубина очага ===
'''Анализ графика глубин:'''
* Темно-синие столбцы — землетрясения в земной коре (до 70 км)
* Голубые столбцы — глубокие землетрясения (>70 км)
* Красная пунктирная линия — граница между корой и мантией

=== График 3. Широта эпицентра ===
'''Анализ широтного распределения:'''
* Зеленая линия показывает изменение широты эпицентров во времени
* Черная пунктирная линия — экватор (0°)
* Положительные значения — северное полушарие, отрицательные — южное

== Статистические результаты ==

{| class="wikitable"
! Показатель !! Значение
|-
| Всего землетрясений (M ≥ 4.5) || (заполняется после выполнения)
|-
| Максимальная магнитуда || M (заполняется)
|-
| Средняя магнитуда || M (заполняется)
|-
| Максимальная глубина || (заполняется) км
|-
| Минимальная глубина || (заполняется) км
|-
| Средняя глубина || (заполняется) км
|}

== Выводы ==

На основе анализа трех графиков можно сделать следующие выводы:

# '''По магнитуде:''' большинство землетрясений имеют магнитуду в диапазоне 4.5-5.5, крупные события (M≥7) происходят редко
# '''По глубине:''' преобладают неглубокие землетрясения (0-70 км), что соответствует зонам разломов земной коры
# '''По широте:''' эпицентры концентрируются в Тихоокеанском огненном кольце (между 60° ю.ш. и 60° с.ш.)

== Практическая значимость ==
* '''Для науки''': создана методика анализа сейсмических данных с открытым кодом
* '''Для экологии''': определены зоны повышенной сейсмической опасности
* '''Для образования''': разработан учебный кейс по работе с реальными API

== Используемые источники данных ==
* USGS Earthquake Catalog: https://earthquake.usgs.gov/earthquakes/search/
* API документация: https://earthquake.usgs.gov/fdsnws/event/1/

[[Категория:BigDataWorks]]
[[Категория:Исследовательские проекты]]
[[Категория:Анализ данных]]
[[Категория:Сейсмология]]

Перемещение и миграция животных

2026-04-13T21:36:18Z

Самира Мохаммад: Самира Мохаммад переименовал страницу Перемещение и миграция животных в Мировая сейсмическая активность

#перенаправление [[Мировая сейсмическая активность]]

Мировая сейсмическая активность за последние 30 дней

2026-04-13T21:36:18Z

== Введение ==
'''Цель анализа:''' Изучение пространственно-временных паттернов перемещений животных на основе открытых данных Movebank.

'''Источник данных:''' [https://www.movebank.org/ Movebank] - база данных трекинга животных Института Макса Планка.

== Загрузка и обработка данных ==
<syntaxhighlight lang="python" line="line">
import requests
import pandas as pd
import numpy as np
from datetime import datetime, timedelta

# Загрузка данных из Movebank API
def load_movebank_data():
MOVE_BASE_URL = "https://www.movebank.org/movebank/service/direct-read"
STUDY_ID = 481484139 # ID исследования миграции птиц

params = {
"entity_type": "event",
"study_id": STUDY_ID,
"format": "csv",
"attributes": "individual_id,timestamp,location_long,location_lat,ground_speed,heading"
}

response = requests.get(MOVE_BASE_URL, params=params)
if response.status_code == 200:
df = pd.read_csv(pd.compat.StringIO(response.text))
df['timestamp'] = pd.to_datetime(df['timestamp'])
return df
else:
# Демонстрационные данные при недоступности API
return generate_demo_data()

df = load_movebank_data()
print(f"Загружено записей: {len(df)}")
</syntaxhighlight>

[[Категория:BigDataWorks]]

Мировая сейсмическая активность за последние 30 дней

2026-04-13T19:58:26Z

Самира Мохаммад:

Мировая сейсмическая активность за последние 30 дней

2026-04-13T19:56:51Z

Самира Мохаммад:

Мировая сейсмическая активность за последние 30 дней

2026-04-13T19:56:09Z

Самира Мохаммад: /* Введение */

Участник:Самира Мохаммад

2026-04-13T19:48:22Z

Самира Мохаммад:

{{UserMGPU
|Description=5 курс
|Field_of_knowledge=Информатика, Робототехника, Искусственный интеллект, Большие данные, Статистика, Моделирование
|Website=https://github.com/ssmiraa16
|similar_concepts=Программирование, ИИ, Робототехника
|Environment=PyCharm, Python, Python IDLE, Visual Studio Code, C++, C, C#, JavaScript, Google Colab, SQL, Kubernetes, Draw.io, CMD, API
|Position=Бакалавриат
|Profile=Информатика, Робототехника
|PedDirection=Да
|Working_On=Процесс отбора и появления новых пород, Обучение педагогов и учеников
}}
[[Категория:ИНДОР-211]]
[[Категория:UserMGPU]]

Участник:Самира Мохаммад

2026-04-13T19:48:11Z

Самира Мохаммад:

{{UserMGPU
|Description=С=5 курс
|Field_of_knowledge=Информатика, Робототехника, Искусственный интеллект, Большие данные, Статистика, Моделирование
|Website=https://github.com/ssmiraa16
|similar_concepts=Программирование, ИИ, Робототехника
|Environment=PyCharm, Python, Python IDLE, Visual Studio Code, C++, C, C#, JavaScript, Google Colab, SQL, Kubernetes, Draw.io, CMD, API
|Position=Бакалавриат
|Profile=Информатика, Робототехника
|PedDirection=Да
|Working_On=Процесс отбора и появления новых пород, Обучение педагогов и учеников
}}
[[Категория:ИНДОР-211]]
[[Категория:UserMGPU]]

Участник:Самира Мохаммад

2024-11-02T09:54:55Z

Самира Мохаммад:

{{UserMGPU
|Description=Fullstack разработчик
|Field_of_knowledge=Информатика, Робототехника, Искусственный интеллект, Большие данные, Статистика, Моделирование
|Website=https://github.com/ssmiraa16
|similar_concepts=Программирование, ИИ, Робототехника
|Environment=PyCharm, Python, Python IDLE, Visual Studio Code, C++, C, C#, JavaScript, Google Colab, SQL, Kubernetes, Draw.io, CMD, API
|Position=Бакалавриат
|Profile=Информатика, Робототехника
|PedDirection=Да
|Working_On=Процесс отбора и появления новых пород, Обучение педагогов и учеников
}}
[[Категория:ИНДОР-211]]
[[Категория:UserMGPU]]

Traffic jams

2024-11-01T20:41:47Z

Самира Мохаммад:

{{Model
|Description=Модель формирования и рассасывания дорожной пробки, реализованная в нескольких средах многоагентного моделирования
Принципы:
Эмерджентное поведение: Формирование пробки является результатом коллективного поведения агентов-автомобилей, а не предписанным поведением отдельного агента.
Непредсказуемость: Модель может быть стохастической, то есть случайные факторы, такие как непредсказуемое поведение водителей, могут влиять на формирование и рассасывание пробки.
Адаптация: Агенты-автомобили могут адаптироваться к изменяющимся условиям движения, например, меняя свою скорость или маршрут.
|Field_of_knowledge=География, Информатика, Управление, Урбанистика
|Inventor=Wilensky
|Environment=Snap!, StarLogo Nova, NetLogo
|Student-created=Нет
}}
== [[Snap!]] ==
* https://snap.berkeley.edu/project?username=jens&projectname=Linked%20Clones
** A simple quick experiment for a self-organizing system. After an example from "[[Turtles, termites, and traffic jams: explorations in massively parallel microworld|Turtles, Termites, and Traffic Jams]]" by Mitch [[Resnick]], and several explorations by Selim Tezel. Press the Green Flag to create a set of 50 colored dots spread randomly across the stage. Each dot has an individual "agility", i.e. it moves at its own speed, knows its immediate neighbors and can "see" all other dots. At every frame each dot moves a unit towards its "right" one, and half a unit towards it's "left" one, and then just a tad backwards from any random other one. Watch what happens!

<snap project="Linked%20Clones" user="jens" />

== [[StarLogo Nova]] ==
* https://www.slnova.org/GUTS/projects/592563/

{{#widget:iframe
|url=https://www.slnova.org/GUTS/projects/592563/
|width=800
|height=800
}}

== [[NetLogo]] ==
* https://netlogoweb.org/launch#https://netlogoweb.org/assets/modelslib/Sample%20Models/Social%20Science/Traffic%20Basic.nlogo

{{#widget:iframe
|url=https://netlogoweb.org/launch#https://netlogoweb.org/assets/modelslib/Sample%20Models/Social%20Science/Traffic%20Basic.nlogo
|width=800
|height=800
}}

Участник:Самира Мохаммад

2024-11-01T20:29:15Z

Самира Мохаммад:

{{UserMGPU
|Description=Fullstack разработчик
|Field_of_knowledge=Информатика, Робототехника, Искусственный интеллект, Большие данные, Статистика, Моделирование
|Website=https://github.com/ssmiraa16
|similar_concepts=Программирование, ИИ, Робототехника
|Environment=PyCharm, Python, Python IDLE, Visual Studio Code, C++, C, C#, JavaScript, Google Colab, SQL, Kubernetes, Draw.io, CMD, API
|Position=Бакалавриат
|Profile=Информатика, Робототехника
|PedDirection=Да
|Working_On=AI CHAT
}}
[[Категория:ИНДОР-211]]
[[Категория:UserMGPU]]

Участник:Самира Мохаммад

2024-11-01T20:17:12Z

Самира Мохаммад:

[[Категория:ИНДОР-211]]
[[Категория:UserMGPU]]

Участник:Самира Мохаммад

2024-11-01T20:14:44Z

Самира Мохаммад:

[[Категория:UserMGPU]]
[[Категория:INDOR-211]]

Участник:Самира Мохаммад

2024-11-01T20:07:55Z

Самира Мохаммад:

[[Категория:UserMGPU]]
[[Категория:ИНДОР-211]]

Участник:Самира Мохаммад

2024-11-01T19:59:02Z

Самира Мохаммад: Новая страница: «Категория:UserMGPU»

[[Категория:UserMGPU]]